申请/专利权人:西安科技大学
申请日:2021-06-15
公开(公告)日:2021-09-24
公开(公告)号:CN113435486A
主分类号:G06K9/62(20060101)
分类号:G06K9/62(20060101);G06K9/40(20060101);G06K9/34(20060101);G06K9/32(20060101);G06N3/00(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2024.02.23#发明专利申请公布后的驳回;2021.10.15#实质审查的生效;2021.09.24#公开
摘要:本发明提供了一种基于PCA‑IFOA‑SVM结合灰度‑纹理融合特征的煤矸识别方法;包括:步骤1,采集选煤厂中煤矸分选现场的照片,建立煤矸图像样本数据集;步骤2,对煤和矸石图像进行增强、去噪、分割预处理;步骤3,分别使用直方图统计和灰度共生矩阵的方法提取煤矸图像的灰度和纹理信息;步骤4,对果蝇优化算法进行改进;步骤5,将改进后的果蝇优化算法用于搜索SVM模型中最优参数,建立最优PCA‑IFOA‑SVM煤矸识别模型,对煤矸样本进行训练;步骤6,将训练好的模型对煤矸进行识别,达到最高的分类准确率。本发明为提高煤炭质量、减少环境污染以及增加燃烧效率提供了保障。
主权项:1.一种基于PCA-IFOA-SVM结合灰度-纹理融合特征的煤矸识别方法,其特征在于,包括以下步骤:步骤1,采集选煤厂中煤矸分选现场的照片,建立煤矸图像样本数据集;步骤2,对煤和矸石图像进行增强、去噪、分割预处理;步骤3,使用直方图统计和灰度共生矩阵的方法,分别提取煤矸图像的灰度和纹理信息,采用PCA的方法得到煤矸图像的灰度-纹理融合特征;步骤4,对果蝇优化算法进行改进;步骤5,将改进后的果蝇优化算法用于搜索SVM模型中的最优参数,建立最优PCA-IFOA-SVM煤矸识别模型;步骤6,将煤矸识别模型对煤矸进行识别,达到最高的分类准确率,进行识别。
全文数据:
权利要求:
百度查询: 西安科技大学 一种基于PCA-IFOA-SVM结合灰度-纹理融合特征的煤矸识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。